Cursor-superpowers插件用法

安装(Cursor)

在 Agent 聊天里执行:

```text

/add-plugin superpowers

```

或在插件市场搜索 `superpowers` 安装。装好后技能会进入 Agent 的 skills 列表,一般无需再配置。


怎么用:核心原则

**多数时候不用记命令。** 你正常说话即可,例如:

  • 「帮我做一个登录页」

  • 「这个接口 500 了,帮我查」

  • 「按这个 plan 开始实现」

Agent 会先匹配相关 skill,读 `SKILL.md`,再按流程执行。你也可以显式点名:

```text

用 brainstorming 帮我设计一下配额限流

请用 systematic-debugging 排查这个报错

用 writing-plans 把刚才的设计写成实现计划

按 plan 用 subagent-driven-development 开始做

```

优先级:**你的明确指示 > Skills > Agent 默认行为**。想跳过某流程,直接说即可,例如:「跳过设计,直接改这段代码」。


标准功能开发(完整闭环)

这是 Superpowers 最完整的用法:

```text

你:我想加一个「用户 Token 配额」功能

① brainstorming(澄清 + 设计)

你:设计 OK,继续

② using-git-worktrees(隔离分支/工作区,可选)

③ writing-plans(写成可执行小任务)

你:开始实现 / go

④ subagent-driven-development(推荐)

或 executing-plans(无子代理时)

⑤ 过程中自动穿插 TDD、code review

⑥ finishing-a-development-branch(合并 / PR / 保留 / 丢弃)

```

① Brainstorming(设计阶段)

Agent 会:

  1. 先看项目上下文

  2. **一次只问一个问题**(目的、约束、成功标准)

  3. 给出 2--3 种方案和取舍

  4. 分段展示设计,每段等你确认

  5. 写入 `docs/superpowers/specs/YYYY-MM-DD-<topic>-design.md`

  6. 让你审规格,再转入写计划

**你怎么配合:**

  • 回答问题,尽量具体(验收标准、边界、不要什么)

  • 设计不满意就说「方案 B」或「某某点改一下」

  • 确认后再让它写计划,不要急着说「直接写代码」

示例:

```text

我想给 agent 加 token 配额门控,和现有 agent_token_quota_gate 对齐。

先用 brainstorming,不要直接改代码。

```

② Writing Plans(计划阶段)

设计通过后,Agent 会写到类似:

`docs/superpowers/plans/YYYY-MM-DD-<feature>.md`

特点:任务拆得很细(约 2--5 分钟一步),含文件路径、测试步骤、提交点;按「先写失败测试 → 实现 → 通过 → commit」组织。

**你怎么配合:** 扫一眼任务边界和文件是否合理;有问题先改 plan,再开干。

③ 执行计划(实现阶段)

| 方式 | 适用 | 特点 |

|------|------|------|

| `subagent-driven-development` | 同会话、有子代理 | 每任务新子代理 + 两阶段审查,中间较少打断你 |

| `executing-plans` | 新开会话、或无子代理 | 本会话按任务推进,卡点会停下来问你 |

示例:

```text

计划在 docs/superpowers/plans/2026-07-22-token-quota.md

请用 subagent-driven-development 开始执行,不要每步都问我要不要继续。

```

④ 收尾

任务做完会走 `finishing-a-development-branch`:跑测试 → 给你选 merge / PR / 保留分支 / 丢弃。


修 Bug 怎么用

不要一上来就「帮我改一下」。更符合流程的说法:

```text

登录后偶尔 401,复现步骤是......

请用 systematic-debugging,先找根因再改。

```

四阶段(改代码前必须先做调查):

  1. **根因调查**:读报错、稳定复现、看近期改动

  2. **提出假设**:基于证据,不是猜

  3. **最小修复**:只修根因

  4. **验证**:确认修好,并防回归

宣称「修好了」前还会用 `verification-before-completion`:要有命令/测试证据,不能口头说完事。


各 Skill 速查(什么时候用)

| Skill | 你什么时候会碰到 | 你可以怎么说 |

|-------|------------------|--------------|

| `brainstorming` | 新功能、改行为 | 「先设计,不要写代码」 |

| `writing-plans` | 设计已确认 | 「写成实现计划」 |

| `executing-plans` | 有 plan、按步骤做 | 「按这个 plan 执行」 |

| `subagent-driven-development` | 有 plan + 要高质量自动推进 | 「用子代理按任务做」 |

| `test-driven-development` | 实现过程中 | 「严格 TDD」 |

| `systematic-debugging` | bug / 失败 / 异常 | 「先系统排查」 |

| `verification-before-completion` | 声称完成前 | 「先验证再宣布完成」 |

| `using-git-worktrees` | 要隔离分支 | 「在 worktree 里做」 |

| `requesting-code-review` | 阶段性审查 | 「按 plan 做 code review」 |

| `receiving-code-review` | 处理评审意见 | 「按评审意见改,先评估再动手」 |

| `finishing-a-development-branch` | 功能做完 | 「收尾,给我合并选项」 |

| `dispatching-parallel-agents` | 多块独立工作可并行 | 「并行查 A 和 B」 |

| `writing-skills` | 自己写新 skill | 「帮我写一个 skill」 |


日常对话里你会看到什么

正常时 Agent 会类似这样说:

> Using brainstorming to refine the design before implementation.

这表示它已进入对应流程。设计阶段它会**多问、少写代码**;实现阶段会**少问「要不要继续」**(尤其是 subagent 模式),卡死或缺信息才会停。

文档默认落在:

  • 规格:`docs/superpowers/specs/`

  • 计划:`docs/superpowers/plans/`

仓库里已有约定目录的话,以你的偏好为准。


实战提示(让效果更好)

  1. **大需求先设计**:一句话功能也建议走 brainstorming,避免做错方向。

  2. **小改动可显式跳过**:`「只改 agent_token_quota_gate.rs 里这一个判断,跳过 brainstorming」`。

  3. **修 bug 给复现**:步骤、期望、实际、日志/截图越全,调试 skill 越准。

  4. **有 plan 再长时间挂机**:计划越细,子代理越不容易跑偏。

  5. **Cursor 里子代理可用时优先 SDD**:质量通常高于单会话硬扛整份 plan。

  6. **中途纠偏直接说**:`「停,任务 3 方向了,先改 plan」`。


三种最短使用模板

**新功能**

```text

做 X。先 brainstorming 出设计给我确认,再写 plan,我同意后再实现。

```

**修问题**

```text

现象:... 复现:... 请 systematic-debugging,找到根因后再修,修完要跑验证。

```

**已有计划**

```text

执行 docs/superpowers/plans/xxx.md,用 subagent-driven-development,连续做完。

```


一句话:**安装后正常下任务即可;想控节奏就用「先设计 / 先排查 / 按 plan 执行 / 跳过某某」这类指令。** 如果你愿意,我可以按你当前仓库(比如 token 配额门控)演示一轮「该怎么对 Agent 说话」的完整对话示例。

相关推荐
nVisual1 小时前
机柜PDU安装位置与空间建模方案
大数据·网络·数据库·信息可视化·数据中心基础设施管理
adinnet20261 小时前
深度拆解企业级 Agent 架构:LangGraph + 知识图谱 + 向量检索的协同设计
人工智能·架构·知识图谱
糖果店的幽灵1 小时前
langgraph分支之 - 动态分支(Dynamic Branch)
java·前端·javascript·人工智能·langgraph
NWU_白杨1 小时前
三种常用的数据存储技术
数据库·redis·mysql·sqlite
这张生成的图像能检测吗1 小时前
(论文速读)SCNN:用于交通场景理解的空间CNN
人工智能·深度学习·目标检测·计算机视觉·道路线检测
@insist1231 小时前
系统规划与管理师-流程评价与持续改进核心知识-终章
大数据·人工智能·软考·系统规划与管理师·软件水平考试·系统规划与管理工程师
meilindehuzi_a1 小时前
Workflow 与 Agent 有什么区别:从 LangChain 流水线到智能体决策
前端·人工智能
SLD_Allen2 小时前
大规模分布式AI训练基础设施
人工智能·分布式·模型训练
蓝创工坊Blue Foundry2 小时前
图片文字提取到 Excel:批量任务如何先定义要交付的字段
运维·服务器·开发语言·数据库·自动化·ocr·excel